包括北卡羅萊納大學醫學院科學家在內的一組研究人員開發了一種的復雜模型，將DNA和基因活動的變化與腦部疾病的風險聯系起來。相關結果結果發表在《Science》雜志上。

        
    科學家現在可以將它作為一種工具來探索精神分裂癥和孤獨癥等疾病的生物學機制，這些疾病在很大程度上得不到深刻理解，也無法治愈。“這是為了解大腦而開發的全面的功能基因組資源，它建立了一個整合不同基因組學數據的框架，以深入了解腦部疾病的生物學，”共同作者Hyejung Won博士，助理說。 UNC醫學院遺傳學教授，UNC神經科學中心成員。

    在過去的幾十年里，科學家已經進行了數百項研究，這些研究收集了大量人群的DNA序列和相關數據，以確定DNA變異和其他與疾病相關的基因組相關因素。這些基因組學研究為許多疾病的生物學原因提供了重要線索。

    但對于精神疾病和許多其他常見的腦部疾病，傳統的基因組學研究不太有用。例如，精神分裂癥與基因組上100多個位置的特定變異相關聯 - 稱為“風險位點” - 但這些基因座大多數不包含基因，因此尚不清楚它們與疾病的關系。此外，與精神分裂癥有關的許多基因變異通常對精神分裂癥風險的影響很小。這已經向科學家們表明，精神分裂癥以及可能還有許多其他腦部疾病過于復雜，無法用傳統的一維基因組學方法來理解。

    為了追求更復雜的方法，幾年前一組基因組學研究人員成立了PsychENCODE聯盟。他們開始匯集基因組學研究和其他公開研究的數據，以開發工具來尋找不同類型數據之間的關系。

    新資源包括針對患有精神分裂癥，雙相情感障礙和自閉癥譜系障礙的個體的不同種類的基因組學數據?；蚪M學數據的類型包括DNA序列，來自特定種類腦細胞的基因表達數據，稱為“增強子”的DNA區域圖，其促進基因表達，以及已知影響基因活性的基因組的其他特征。

   她從自己的“染色體構象”研究中獲得了貢獻數據。這指的是細胞核中環狀DNA的三維組織，特別是不同環接近足以影響彼此基因表達的點。贏得了開發了一個復雜的模型，如何通過染色體構象和其他基因組因子調節腦細胞中的基因表達。

    該團隊使用基因調控網絡模型評估了先前基因組學研究發現的142個精神分裂癥風險基因座。這些風險基因座不含基因，但懷疑通過某種方式影響其他基因的表達而導致精神分裂癥風險。該模型確定了321個基因，包括一些已知的精神分裂癥風險基因，作為這些基于危險基因座的可能調控目標。乙酰膽堿受體，離子通道和其他途徑的功能。科學家們還確定，精神分裂癥主要是神經元疾病，而不是其他腦細胞。

    為該研究開發的資源包括基于人工智能的“深度學習”模型，該模型基于基因變異和基因表達數據估計精神癥狀的風險。科學家將新模型與一個標準的，更簡單的模型進行了比較，該模型基于個體的基因組預測精神疾病。

   “深度學習模型更準確，我們認為它將對患者的風險評估和診斷產生重大影響”，榮獲說。
她和她的PsychENCODE同事現在正在通過整合更多類型的基因組數據并將他們的分析擴展到精神分裂癥以外的其他腦部疾病來繼續開發他們的模型。

    上海恒遠進入醫學科研圈已久，為了與廣大科研工作者一起交流科研問題，共同提高，讓您成為真正的科研能手。